买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:东北大学
摘要:本发明提供一种基于改进贝叶斯网络的传染病密切接触者排查方法,首先搜集所有用户的行程信息和表征身体状况的体征参数;然后根据解密后的行程信息确定患者的密切接触者;最后对所有密切接触者是否被感染进行排查。本发明使用加密技术对用户的数据进行加密,实现密文数据下用户密切接触者的查找以及健康状态的预测,保护用户的隐私。同时,利用同态加密的特性,首先设计了一种保护用户隐私的密切接触者查找方案,在不解密用户的明文数据的情况下寻找密切接触者。其次构建了一个能够在加密环境下进行分类的朴素贝叶斯分类模型,对用户的健康状态进行分类,在不泄漏用户的体征数据的情况下完成对用户健康状态的分类,充分保护用户的隐私。
主权项:1.一种基于改进贝叶斯网络的传染病密切接触者排查方法,其特征在于,包括:步骤1:搜集所有用户的行程信息和表征身体状况的体征参数;步骤1.1:搜集用户的行程信息,所述行程信息包括接触双方的身份信息、接触时间和接触距离;步骤1.2:对采集到的行程信息进行加密处理;步骤1.2.1:用户初始化加密参数,选择一个素数p和两个小于p的随机数g,x,并计算y=gxmodp,y,g,p为加密公钥,x为解密私钥;步骤1.2.2:对各个用户行程信息M进行加密,计算C1=gkmodp,C2=yk*Mmodp;步骤1.2.3:生成数据M加密后的结果C1,C2;步骤1.3:将加密后的行程信息上传服务器进行存储;步骤1.4:测量用户的体征参数,所述体征参数包括:心率、血压的高压值、血压的低压值、体温、年龄;步骤1.5:对采集到的体征参数使用CKKS加密方式进行加密处理;步骤1.5.1:用户初始化加密参数,初始化多项式模数ploy_module_degree、参数模数coeff_module和规模scale;步骤1.5.2:根据加密参数生成公钥、密钥和重线性化密钥,并构建加密器、解密器和编码器;步骤1.5.3:使用编码器对数据进行编码,使用加密器对编码后的数据进行加密;步骤1.6:将加密后的体征参数上传服务器进行存储;步骤2:根据解密后的行程信息确定患者的密切接触者;所述步骤2根据解密后的行程信息确定患者的密切接触者,涉及患者U、云端服务器S、医院H三方参与,患者U拥有个人信息的解密密钥x,云端服务器S拥有患者U与其他用户的行程信息,医院H希望获得患者U的接触者中哪些用户为密切接触者;步骤2.1:患者U将密钥x切分为x1,x2,其中x,x1,x2满足关系x=x1+x2,患者U将x1发送到云端服务器S,将x2发送到医院H;步骤2.2:服务器S使用密钥x1对患者U加密后的行程信息C1,C2进行第一次解密,计算将C1,C′2发送给医院H;步骤2.3:医院H使用密钥x2对服务器S一次解密的结果C1,C′2进行二次解密,计算明文步骤3:对所有密切接触者是否被感染进行排查;步骤3.1:用户发送体征参数的加密密钥给医院;步骤3.2:医院方使用用户发送的加密密钥生成高斯朴素贝叶斯分类模型计算各体征参数的类条件概率;步骤3.2.1:医院方加载训练样本数据,所述训练样本数据的属性数据集Y=y1,y2,y3,...,yi...,yn,其中属性y1,y2,y3,...,yi...,yn分别代表用户是否为密切接触者、心率、体温、血压的高压值、血压的低压值、用户年龄;所述训练样本数据的类别C={cj|cj为c1或c2},其中c1、c2表示用户是、否被感染;步骤3.2.2:计算各属性的均值,结果使用矩阵avg表示,其中avg[i][j]代表在分类结果为cj的样本中属性yi的均值;步骤3.2.3:计算各属性的标准差,使用矩阵euml表示,其中euml[i][j]表示分类结果为cj的样本中属性yi的标准差;步骤3.2.4:医院方使用用户上传的公钥加密步骤3.2.2中计算出的均值、标准差并上传至服务器;步骤3.2.5:服务器对用户健康状态进行分类,用PC=cj|Y=y表示在用户体征参数为y的情况下分类结果为cj的概率: 其中,PY=y表示用户体征参数为y的概率;PY=y|C=cj为类条件概率;步骤3.3:计算得到用户的各个体征参数在不同分类中的概率并发送给用户;步骤3.4:用户将服务器发送的结果解密,最大概率对应的健康状态即为用户当前健康状态。
全文数据:
权利要求:
百度查询: 东北大学 基于改进贝叶斯网络的传染病密切接触者排查方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。